基于机器学习的网络信息异常流量检测与自适应防御策略

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：文章提出一种基于机器学习的网络信息异常流量检测与防御方案，融合AdaBoost 和随机森林算法构建集成模型，并设计了基于异常置信度反馈的流量塑形机制和环境状态感知的弹性决策框架。实验结果表明，该方案在SQL 注入等典型攻击场景下检测精度达97.8%，误报率仅为0.6%，在处理DNS 隧道等复杂攻击时检测延迟控制在4.1ms内。（剩余4705字）

试读结束

目录
monitor